T-Rex

融合文本和视觉提示的通用目标检测模型

T-Rex2是一款融合文本和视觉提示的通用目标检测模型。它突破传统模型局限，具备零样本检测能力，适用于农业、工业和生物医学等领域。该模型支持交互式视觉提示、通用视觉提示和文本提示三种工作流程，满足多样化的目标检测需求。项目提供在线演示和API接口，便于快速体验和集成。

访问官网

Github

文档

论文

介绍相关项目

recognize-anything - 通用图像识别模型：支持开放域类别和高精度标签生成

GithubRAM++图像识别多模态开源模型开源项目零样本学习

Recognize Anything Model是一系列开源图像识别模型，包括RAM++、RAM和Tag2Text。这些模型能准确识别常见和开放域类别，支持高精度图像标签生成和全面描述。项目提供预训练模型、推理代码和训练数据集，适用于多种计算机视觉任务。模型性能优于现有先进方案，尤其在零样本识别方面表现突出。

AI Text Detector - 专业AI文本识别工具支持多平台检测分析

AI工具AI检测器SEO优化剽窃检查可读性检查跨平台应用

AI Text Detector为用户提供专业的人工智能文本识别服务，支持多种主流平台。该工具能够有效检测ChatGPT、GPT-4等AI生成的内容，并提供文本扫描、PDF导入和实物拍照识别等便捷功能。集成的抄袭检查和可读性分析功能进一步增强了内容质量评估能力。研究表明，AI Text Detector在AI内容检测领域表现出色，是当前市场上领先的文本检测解决方案之一。

Grounding-DINO-1.5-API - 先进的开放集目标检测模型系列

GithubGrounding DINO 1.5IDEA Research少样本学习开源项目目标检测零样本迁移

Grounding DINO 1.5是IDEA Research开发的开放集目标检测模型套件,包括专业版和边缘版两个模型。项目提供模型使用示例,模型托管于DeepDataSpace平台。Grounding DINO 1.5 Pro在COCO、LVIS等多个零样本迁移基准测试中性能领先,并在ODinW少样本设置下创造新纪录。该模型在广泛场景中展现出强大泛化能力,推动了开放集目标检测的发展。

resnet-152-text-detector - 基于ResNet-152的高效图像文本检测深度学习模型

GithubHuggingfaceResNet-152图像分类开源项目文本检测模型深度学习计算机视觉

ResNet-152 Text Detector是一个基于ResNet-152架构的深度学习模型，用于快速判断图像是否包含可读文本。该模型在COCO-Text和LLaVAR数据集上训练，使用约14万张图像，其中50%含文本，50%不含文本。模型采用300x300输入分辨率，使用AdamW优化器，学习率为5e-5，训练3个epochs。通过简单的Python代码，开发者可以轻松集成此模型，实现二元分类的图像文本检测功能。

deformable-detr - 使用ResNet-50骨干网络实现的Deformable DETR目标检测模型

COCO 2017Deformable DETRGithubHuggingfaceHungarian算法卷积神经网络开源项目模型物体检测

Deformable DETR模型依托ResNet-50骨干网络，实现了高效的端到端目标检测。通过变形Transformer机制，它能够有效处理并识别图像中的复杂对象。此模型在COCO 2017数据集上经过充分训练，采用目标查询匹配和双重损失优化技术，显著提高了检测精度。适用于高效目标检测场景。

trocr-base-handwritten - 基于Transformer架构的高精度手写文本识别模型

GithubHuggingfaceTrOCRTransformer模型光学字符识别图像转文本开源项目手写文本识别模型

TrOCR是一种基于Transformer架构的光学字符识别模型，专为手写文本识别而设计。该模型结合了图像Transformer编码器和文本Transformer解码器，可准确识别单行手写文本图像。经IAM手写数据集微调后，TrOCR适用于多种手写OCR场景，为文本识别研究和应用提供了有力支持。

CrossFormer - 融合跨尺度注意力的高效视觉Transformer

CrossFormer++Github图像分类开源项目目标检测视觉Transformer跨尺度注意力

CrossFormer++是一种创新的视觉Transformer模型，通过跨尺度注意力机制解决了不同尺度对象特征间建立关联的问题。该模型引入跨尺度嵌入层和长短距离注意力等设计，并采用渐进式分组策略和激活冷却层来平衡性能与计算效率。在图像分类、目标检测和语义分割等视觉任务中表现优异，尤其在密集预测任务中效果显著。CrossFormer++为计算机视觉领域提供了一种灵活高效的新型架构。

RT-2 - 基于PALM-E构建的下一代机器人模型，集成了视觉编码和语言嵌入

GithubRT-2人工智能动作模型开源项目机器人视觉语言

RT-2是基于PALM-E构建的下一代机器人模型，集成了视觉编码和语言嵌入。该模型利用大规模网络数据集和机器人数据，能够将视觉和语义线索转换为机器人控制动作。RT-2的架构易于部署，简化了多重感官数据的处理，提高了行动预测的效率。其广泛的应用场景包括自动化工厂、医疗保健和智能家居。通过详细的安装步骤和使用示例，用户可以轻松集成该模型到现有系统中。

detr-resnet-101 - DETR目标检测模型：结合ResNet-101与Transformer架构

COCODETRGithubHuggingfaceTransformer开源项目模型物体检测计算机视觉

DETR是一种创新的端到端目标检测模型，结合了Transformer架构和ResNet-101骨干网络。该模型在COCO 2017数据集上训练，能高效检测图像中的多个物体。通过独特的对象查询机制和双向匹配损失函数，DETR在目标检测任务中表现优异，达到43.5%的平均精度。这一方法为计算机视觉领域开辟了新的研究方向。

doctr - 由深度学习提供支持的无缝、高性能和可访问的库，用于 OCR 相关任务

GithubOCRPyTorchTensorFlowdocTR开源项目文本识别

docTR提供高效、准确的OCR解决方案，支持PDF和图像文件，基于TensorFlow 2和PyTorch。能快速检测识别文档文字，并提供多种处理旋转文档选项。用户可使用预训练模型快速上手或自定义架构。解析结果可视化且支持导出为JSON格式，方便后续处理和分析。

相关项目

推荐项目

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手，通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能，支持100+编程语言，与主流编辑器无缝集成，显著提升开发效率和代码质量。

AI写歌

Suno AI是一个革命性的AI音乐创作平台，能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐，Suno AI都是音乐爱好者和专业人士的理想选择。

有言AI

有言平台提供一站式AIGC视频创作解决方案，通过智能技术简化视频制作流程。无论是企业宣传还是个人分享，有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Kimi

Kimi AI助手提供多语言对话支持，能够阅读和理解用户上传的文件内容，解析网页信息，并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题，Kimi都能以友好、专业的方式提供帮助。

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术，为商家提供一键生成商品图和营销文案的服务，显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台，让商品第一时间被种草。

吐司

探索Tensor.Art平台的独特AI模型，免费访问各种图像生成与AI训练工具，从Stable Diffusion等基础模型开始，轻松实现创新图像生成。体验前沿的AI技术，推动个人和企业的创新发展。

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器，它将改变您观看视频的方式！SubCat结合了先进的人工智能技术，为您提供即时视频字幕翻译，无论是本地视频还是网络流媒体，让您轻松享受各种语言的内容。

美间AI

美间AI创意设计平台，利用前沿AI技术，为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图，再到文案生成，美间让创意设计更简单、更高效。

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具，简化了选题、文献检索至论文撰写的整个过程。通过简单设定，平台可快速生成高质量论文大纲和全文，配合图表、参考文献等一应俱全，同时提供开题报告和答辩PPT等增值服务，保障数据安全，有效提升写作效率和论文质量。

使用协议隐私政策广告服务

投诉举报邮箱: service@vectorlightyear.com